[发明专利]一种装卸车鹤管状态识别方法和系统

说明书

本发明提出了一种装卸车鹤管状态识别方法和系统，该方法包括构建鹤管图像数据集；数据集包括鹤管类别的第一数据集和不同类别鹤管检测部位的第二数据集；构建用于鹤管类别识别的第一检测网络模型；构建用于鹤管部位识别的第二检测网络模型，采用训练后的第一检测网络模型对待识别鹤管图像进行鹤管类别预测；采用训练后的第二检测网络模型对预测到鹤管类别的图像进行鹤管部位预测；对鹤管类别预测结果和鹤管部位预测结果进行分析得到当前鹤管的使用状态。基于该方法，本发明还提出了一种装卸车鹤管状态识别系统。本发明采用检测模型对鹤管类别和部位进行预测，可以最大程度地将深度学习技术赋能至化工领域，以信息化推进应急管理能力现代化。

技术领域

本发明属于石油化工行业技术领域，特别涉及一种装卸车鹤管状态识别方法和系统。

背景技术

鹤管，是一种可以伸缩移动的管子，多用于石油、化工行业中液体装卸，管内介质如油、水、气体等。目前，鹤管是石油、化工行业流体装卸过程中的专用设备，又称流体装卸臂，它采用旋转接头与刚性管道及弯头连接起来，以实现火车、汽车槽车与栈桥储运管线之间传输液体介质的活动设备。

目前对危险化学品安全生产提出了更高的要求，以及采用信息化技术强化对事故易发多发部位和环节的检测预警，坚决遏制各类事故发生。近年来，随着深度学习技术的发展，基于深度学习方法的计算机视觉技术开始赋能于各个行业，但在石油化工行业技术领域尤其视频监控方面的应用较少。在大环境视频监控技术推广的前提下，如何提供一种可靠、有效的化工技术领域中装卸车行为规范的智能视频监控预防方法，是目前本领域技术人员亟待解决的问题。

发明内容

为了解决上述技术问题，本发明提出了一种装卸车鹤管状态识别方法和系统，采用检测模型对鹤管类别和部位进行预测，可以最大程度地将深度学习技术赋能至化工领域，以信息化推进应急管理能力现代化。

为实现上述目的，本发明采用以下技术方案：

一种装卸车鹤管状态识别方法，包括以下步骤：

获取鹤管图像历史数据，构建鹤管图像数据集；所述数据集包括鹤管类别的第一数据集和不同类别鹤管检测部位的第二数据集；

构建用于鹤管类别识别的第一检测网络模型；采用第一数据集对所述第一检测网络模型进行训练；构建用于鹤管部位识别的第二检测网络模型，采用第二数据集对所述第二检测网络模型进行训练；

采用训练后的第一检测网络模型对待识别鹤管图像进行鹤管类别预测；采用训练后的第二检测网络模型对预测到鹤管类别的图像进行鹤管部位预测；对鹤管类别预测结果和鹤管部位预测结果进行分析得到当前鹤管的使用状态。

进一步的，所述获取鹤管图像历史数据，构建鹤管图像数据集的过程包括：

获取装卸车区域内的监控设备采集的不同时间段的视频流；

采用视频抽帧的方法对收集到的视频流处理得到鹤管图像；

对所述鹤管图像中鹤管的类别进行一次标注得到第一数据集；在对鹤管类别一次标注完成后再对鹤管部位进行二次标注形成第二数据集；

将所述第一数据集按照预设比例划分为第一训练集、第一验证集和第一测试集；将所述第二数据集按照预设比例划分为第二训练集、第二验证集和第二测试集。

进一步的，对所述鹤管图像中鹤管类别进行一次标注包括：根据鹤管图像中鹤管的安装位置和粗细标注为顶部鹤管、粗底部鹤管和细底部鹤管；

在对鹤管的类别一次标注完成后再对鹤管的部位进行二次标注包括：分别对顶部鹤管、粗底部鹤管和细底部鹤管的检测部位标注为鹤管管头、鹤管管尾和鹤管拐角。

进一步的，所述采用第一数据集对所述第一检测网络模型进行训练的过程包括：采用第一训练集对所述第一检测网络模型进行训练；